CF Round #737 D. Ezzat and Grid(DP)(线段树)

本文探讨了一种使用动态规划和线段树数据结构解决数组操作问题的方法。通过建立动态规划状态并利用线段树进行区间修改和查询,实现了高效地求解1到n行的最大合法行数。文章详细介绍了算法实现过程,包括线段树的构建、区间修改和查询操作,以及如何更新动态规划状态。

Description\mathscr{Description}Description

在这里插入图片描述

Solution\mathscr{Solution}Solution

  • 每行是否承接上行仅与此行状态有关,考虑DP
  • dpidp_{i}dpi表示1−i行最多合法行数1-i行最多合法行数1i
  • 用线段树区间修改,区间最大值
  • 线段树中存储1.dp[i] 2.i值,方便最后输出
#include <bits/stdc++.h>
#define ls x<<1
#define rs x<<1|1
#define P pair<int,int>
#define F first
#define S second
#define mp make_pair
#define ll long long
using namespace std;
const int N=8e5+10;
struct Seg
{	
	int l,r;
	P mx,tag;
	void tmx(P x){mx=x>mx?x:mx;tag=x>tag?x:tag;}
}T[N<<2];
void up(int x){T[x].mx=max(T[ls].mx,T[rs].mx);}
void down(int x)
{
	if(T[x].tag!=mp(0,0))
	{
		T[ls].tmx(T[x].tag),T[rs].tmx(T[x].tag);
		T[x].tag=mp(0,0);
	}
}
void build(int x,int l,int r)
{
	T[x].l=l,T[x].r=r,T[x].mx=T[x].tag=mp(0,0);
	if(l==r) return ;
	int m=l+r>>1;
	build(ls,l,m),build(rs,m+1,r);
}
void modify(int x,int l,int r,P val)
{
	if(l<=T[x].l&&T[x].r<=r)
	{
		T[x].tmx(val);
		return ;
	}
	down(x);
	int m=T[x].l+T[x].r>>1;
	if(r<=m) modify(ls,l,r,val);
	else if(l>m) modify(rs,l,r,val);
	else modify(ls,l,m,val),modify(rs,m+1,r,val);
	up(x);
}
P query(int x,int l,int r)
{
	if(l<=T[x].l&&T[x].r<=r) return T[x].mx;
	down(x);
	int m=T[x].l+T[x].r>>1;
	if(r<=m) return query(ls,l,r);
	else if(l>m) return query(rs,l,r);
	return max(query(ls,l,m),query(rs,m+1,r));
}
int n,M,a[N],cnt,del[N];
vector<P> v[N];
P dp[N];
int main()
{
	scanf("%d%d",&n,&M);
	for(int i=1,x,y,z;i<=M;i++)
	{
		scanf("%d%d%d",&x,&y,&z);
		v[x].emplace_back(mp(y,z));
		a[++cnt]=y,a[++cnt]=z;
	}
	sort(a+1,a+cnt+1);
	cnt=unique(a+1,a+cnt+1)-a-1;
	for(int i=1;i<=n;i++)
		for(int j=0;j<v[i].size();j++)
		{
			v[i][j].F=lower_bound(a+1,a+cnt+1,v[i][j].F)-a;
			v[i][j].S=lower_bound(a+1,a+cnt+1,v[i][j].S)-a;
		}
	build(1,1,cnt);	
	P ans=mp(0,0);
	for(int i=1;i<=n;i++)
	{
		P t=mp(0,0);
		for(int j=0;j<v[i].size();j++)
			t=max(t,query(1,v[i][j].F,v[i][j].S));
		dp[i]=t,dp[i].F++;
		ans=max(ans,mp(dp[i].F,i));	
		for(int j=0;j<v[i].size();j++)
		{
			//last to upgrade
			//max_i in [1,i-1] satisfying "1" in [l,r]
			//val: i l r
			//不能单独依赖i
			//?DP?????????????
			//DP????????????? 
			modify(1,v[i][j].F,v[i][j].S,mp(dp[i].F,i));
		}
	}
	printf("%d\n",n-ans.F);
	if(n==ans.F) return 0;
	for(int i=ans.S;i;i=dp[i].S) del[i]=1;
	for(int i=1;i<=n;i++) if(!del[i]) printf("%d ",i);
}
内容概要:本文围绕可变桨叶四旋翼无人机的规范控制与点对点运动模拟展开,重点研究优化推力分配策略在翻转动作中的应用与性能比较。通过Matlab代码实现,构建了四旋翼动力学模型,并设计了多种控制算法以实现精确的姿态调整与轨迹跟踪。研究对比了不同推力分配方案在执行高机动性翻转动作时的稳定性、能耗效率与响应速度,旨在提升无人机在复杂飞行任务中的动态性能与控制精度。该仿真研究为无人机飞控系统的设计与优化提供了理论依据和技术支持。; 适合人群:具备一定自动控制理论基础和Matlab编程能力,从事无人机控制、飞行器动力学或机器人系统研究的科研人员及研究生。; 使用场景及目标:① 实现四旋翼无人机在三维空间中的精确点对点运动控制;② 对比分析不同推力分配策略在执行翻转等高难度动作时的控制效果与能耗表现,优化飞行性能;③ 为无人机自主飞行、特技飞行及复杂环境下的机动控制提供算法验证平台。; 阅读建议:此资源以Matlab仿真为核心,建议读者结合相关控制理论知识,深入理解代码实现细节,重点关注动力学建模、控制律设计与推力分配模块。在学习过程中,应动手调试参数,复现文中翻转动作的仿真结果,并尝试拓展至其他复杂飞行任务,以加深对无人机控制机理的理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值